-
公开(公告)号：CN114996248B
公开(公告)日：2024-08-02
申请号：CN202210434307.7
申请日：2022-04-24
申请人： 浙江大学
IPC分类号： G06F16/215 , G06F16/28 , G16H10/00
摘要： 本发明公开了一种基于湖仓一体架构的多阶段医疗数据规整与质量控制系统，包括存储层、计算层、服务层和交互层；存储层用于存储从医疗机构获取的以数据表形式存储的操作型数据存储数据、计算层的中间结果数据以及计算层最终生成的OMOP通用数据模型；计算层接受服务层的计算任务进行计算处理；服务层包括质量控制模块和数据规整模块；数据规整模块将数据规整任务下发至计算层计算处理；质量控制模块对结果数据进行分析和校验；交互层向用户提供Web界面，展示任务执行过程和数据质量结果。本发明采用湖仓一体数据管理架构和Spark分布式计算引擎，加快了数据规整效率，解决了单机处理海量医疗数据速度慢的问题。
-
公开(公告)号：CN117574440B
公开(公告)日：2024-04-30
申请号：CN202410067638.0
申请日：2024-01-17
申请人： 浙江大学
摘要： 本发明公开了一种基于多种签名技术的联盟链医疗数据确权溯源方法及系统。本发明引入多重签名技术，医疗数据的流通需要在联盟链上得到相应患者和医生的多重签名，能够减少医疗数据的不合法流通，明确患者和医生对医疗数据享有的法律权利。本发明引入公平盲签名技术，使得医疗数据流通是在监管机构的监管下进行的，在需要对流通信息进行溯源的情况下，监管机构能够联合半可信第三方对特定医疗数据流通信息进行追踪溯源。本发明将链上医疗数据流通签名和链下医疗数据传输分开，能够在保证医疗数据安全的同时进行医疗数据的确权溯源，大大降低隐私暴露风险。
-
公开(公告)号：CN117877688A
公开(公告)日：2024-04-12
申请号：CN202410016756.9
申请日：2024-01-05
申请人： 浙江大学
IPC分类号： G16H30/20 , G06T7/00 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于任务约束增强对抗生成网络的数字病理图像标准化系统，包括数据集构建模块、数据预处理模块、生成器模块、判别器模块、任务约束模块和损失计算模块。本发明根据特定任务的计算机辅助病理诊断系统基于的深度学习模型的训练集构建规模庞大的源数据集，相较于数量有限的数字病理图像模板更能适配复杂多变的临床实践，同时将数字病理图像转化为灰度图作为生成器的输入保留了原始数字病理图像的结构信息。本发明在生成器模块中采用多层嵌套的U‑Net网络架构，可以生成分辨率更高的数字病理图像，同时引入任务约束以增强对抗生成网络，保证生成器针对特定任务学习到所需的图像特征，具有较强的普适性。
-
公开(公告)号：CN117577333B
公开(公告)日：2024-04-09
申请号：CN202410067682.1
申请日：2024-01-17
申请人： 浙江大学
IPC分类号： G16H50/30 , G06F18/10 , G06F18/213 , G06F18/241 , G06F18/2415
摘要： 本发明公开了一种基于因果特征学习的多中心临床预后预测系统。本发明通过引入互补掩码器，实现因果特征和非因果特征的对抗学习，两者相互促进，同时使用多分支预后预测网络平衡因果特征和非因果特征之间的信息量，从而最大限度减少信息损失，保证下游预后预测任务的信息充分性。本发明通过引入双任务网络，基于分离的因果特征进行多分支预后预测任务，基于分离的非因果特征进行医疗机构识别任务，进一步提升特征分离效果。在预测阶段，医疗机构识别网络根据非因果特征生成概率权重，聚合多分支预后预测网络预测结果，有效利用非因果特征，提高患者数据的信息利用率，保证模型在不同应用环境下的泛化能力的同时保持良好的预测能力。
-
公开(公告)号：CN114861835A
公开(公告)日：2022-08-05
申请号：CN202210777572.5
申请日：2022-07-04
申请人： 浙江大学
摘要： 本发明公开了一种基于非对称卷积的噪声性听力损失预测系统，该系统包括数据采集模块、数据预处理模块、特征提取模块和特征融合与噪声性听力损失预测模块；数据采集模块用于采集工人职业暴露的噪声数据和工人个人信息；数据预处理模块用于对工人个人信息数据进行标准化，并对噪声数据转换为二维噪声时频谱图；特征提取模块用于利用不同形状的卷积核提能量特征与时域变化特征；特征融合与噪声性听力损失预测模块将能量特征与时域变化特征进行融合并降维后，联合工人个人信息输出得到工人是否患有噪声性听力损失的预测结果。本发明使用不对称卷积核对时频谱图进行特征提取，提高噪声性听力损失预测的准确性。
-
公开(公告)号：CN114496235B
公开(公告)日：2022-07-19
申请号：CN202210404618.9
申请日：2022-04-18
申请人： 浙江大学
摘要： 本发明公开了一种基于深度强化学习的血透患者干体重辅助调节系统，该系统包括数据采集模块、数据处理模块、策略学习模块和辅助决策模块；本发明利用深度强化学习技术，构建有竞争构架的深度双Q网络（Dueling DDQN网络）作为代理，模拟医生调节血透患者干体重的过程，智能化地学习血透患者干体重调节的策略。本发明将血透患者的干体重调节过程建模为部分观察的马尔科夫过程，为不同的透析时期定义各自的状态空间和动作空间，设计包含长期生存奖励和短期透析副反应惩罚的奖励函数；通过代理与患者状态的交互学习，得到使得总体奖励最大化的干体重调节策略，从而辅助医生进行患者干体重的长程管理。
-
公开(公告)号：CN113744873B
公开(公告)日：2022-02-11
申请号：CN202111311947.0
申请日：2021-11-08
申请人： 浙江大学
摘要： 本发明公开了一种基于任务分解策略的发热待查辅助鉴别诊断系统，首次全面且系统地构建了发热待查潜在病因类别层次结构，基于类别层次结构实现了针对发热待查潜在病因进行辅助鉴别诊断的层次分类模型，并能够模拟临床医生的推理逻辑，逐层给出鉴别诊断意见，不仅鉴别范围更全面、系统，同时具有更高的鉴别准确度和更好的临床可解释性，由上向下的逐层推理模式也更加符合临床医生的临床实践习惯；本发明所利用的临床数据都是患者就诊早期极易获取的早期临床表现数据，因此在患者早期就诊阶段就能够基于有限信息给出极具临床价值和可信度的鉴别诊断意见；本发明为发热待查潜在病因的鉴别诊断提供了全面、系统、层次化的解决策略。
-
公开(公告)号：CN113871003A
公开(公告)日：2021-12-31
申请号：CN202111452519.X
申请日：2021-12-01
申请人： 浙江大学
摘要： 本发明公开了一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统，本发明设计和构建了非结构化数据提取、映射和校准工具，从电子病历、医学文献、临床指南等多源异构医学知识源中提取与疾病诊疗相关的因果性知识，构建包含病史、症状、体征、实验室检查结果、用药、人口统计学信息等关键诊断信息的含因果性医学知识图谱，并在构建过程中设计相应的知识提取规则，减少含因果性医学知识图谱的噪声，提高疾病鉴别诊断模型的准确度和运行效率。本发明基于含因果性医学知识图谱，提取患者所有的个性化诊断数据，并充分利用患者数据中的阴性检查结果和阴性症状等阴性数据，利用疾病鉴别诊断模型开展显式推理，给出具有明确诊断依据的推理结果。
-
公开(公告)号：CN113611411A
公开(公告)日：2021-11-05
申请号：CN202111175001.6
申请日：2021-10-09
申请人： 浙江大学
摘要： 本发明公开了一种基于假阴性样本识别的体检辅助决策系统，该系统包括数据获取模块、数据预处理模块、基础特征分析模块、假阴性样本识别模块、预测模型构建模块和辅助决策模块；本发明通过模拟普遍性的临床诊断流程，分析诊断缺失产生的数据诱因，并对该过程进行建模，更符合临床逻辑，能够更好地对真实世界医疗数据中的假阴性样本进行发现，提高真实世界医疗数据在体检辅助决策模型的构建与临床辅助决策上的应用能力；本发明在建模和临床辅助决策过程中无需使用额外数据，同时将普遍性的临床实际决策过程嵌入到模型的开发逻辑当中，无需针对应用案例引入额外医学知识，具有较强的普适性。
-
公开(公告)号：CN113270192A
公开(公告)日：2021-08-17
申请号：CN202110418366.0
申请日：2021-04-19
申请人： 浙江大学
摘要： 本发明公开了一种基于动静态数据结合与深度自编码器的血透风险预测系统，本发明基于深度自编码器，利用患者血透治疗过程中采集的血压、体重等体征数据以及透析方式、膜面积等血透治疗相关数据，建模高维度EHR时序数据之间的关联性，实现血透患者风险预测；结合静态和动态数据构建多输入模型，动态数据部分引入LSTM自编码器网络，并考虑时序数据之间的时间间隔，同时整合静态数据作为额外输入，引入多层神经网络；仅利用生存样本训练模型，在死亡样本较少或不扩增死亡样本的前提下，提升模型预测性能，减少因人为扩增数据对模型训练造成的影响。
-
-
-
-
-
-
-
-
-
搜索结果
98 条记录 (耗时 0.031 秒)
